一种车联网中基于轨迹的车辆资源池动态任务卸载方法技术

本发明专利技术公开了一种车联网中基于轨迹的车辆资源池动态任务卸载方法。应用于车联网中车辆任务卸载，方法步骤包括：构建车、路边单元、雾服务器协同卸载模型；基于车辆基础信息构建移动模型，基于马尔科夫链构建车辆轨迹预测模型，预测车辆轨迹；基于K

【技术实现步骤摘要】
一种车联网中基于轨迹的车辆资源池动态任务卸载方法


[0001]本专利技术属于车联网移动边缘计算领域，更具体地，涉及一种车联网中基于轨迹的车辆资源池动态任务卸载方法。

技术介绍

[0002]随着智能交通系统和新能源智能网联汽车的发展，车辆具有了更强的算力、更好的存储能力、更精准的传感以及优越的通信能力。一种名为车联网的新兴模式被提出。车联网具有强大的实时车辆信息采集能力，在避免交通事故、缓解交通拥堵、提供多样化服务等方面发挥了重要作用。
[0003]然而，仅使用车辆自身资源很难满足汽车应用的需求，因为计算资源和电池电量有限,车辆并不能保证高效处理计算任务。现有的云计算模式可以提供大量的计算资源，但其面临的主要问题是车辆与远端云服务器持续通信带来的难以优化的高时延问题。车辆雾计算模式较好的解决了这个问题，通过将边缘服务器(雾服务器)部署在靠近车辆终端的位置，车辆可以方便的通过无线通信向雾服务器请求计算资源与存储资源，而不会产生过高的延迟。然而，当请求接入车辆过多时，可能会发生通信信道拥挤导致传输速率下降或雾服务器资源枯竭的情况产生，因此，考虑借助空闲车辆的计算资源成为了一种新的解决办法。但当前借助车辆辅助任务卸载的模式存在一些问题，首先是由于车辆的持续移动性，可能存在车辆完成任务后结果返回前失去了与任务需求车辆的通信，导致任务卸载失败。其次由于车辆的机动性,它们所请求的服务应该经常在不同的移动边缘服务器上进行迁移,用来确保一个优秀的服务质量。因为在移动中具有不稳定性,经常进行迁移会使时延与能耗增加,所以需要设计一个能够提前预知以及降低切换造成影响的任务卸载方案。

技术实现思路

[0004]本专利技术的目的在于解决以上现有技术存在的问题，提供了一种车联网中基于轨迹的车辆资源池动态任务卸载方法，通过充分利用雾服务器及服务器内空闲车辆资源，评估雾范围内可用车辆簇资源以及稳定性，动态调整任务卸载策略，优化时延以及能耗，减轻了雾服务器的负担，保证了任务计算时延，充分利用了空闲车辆资源。
[0005]为了实现上述专利技术目的，本专利技术一种车联网中基于轨迹的车辆资源池动态任务卸载方法包括以下步骤：
[0006]1、构建车路、雾服务器协同卸载模型包括：雾服务器部署在基站上，各个雾服务器覆盖区域互不重叠。RSU路边单元部署在路边，间隔一定距离部署实现道路全覆盖。车辆与车辆，与RSU、雾服务器均通过无线网络通信，RSU与雾服务器通过有线网络连接。该协同卸载模型针对一个雾服务器范围内的n辆车V＝{V1,V2,
…
,V
i
,
…
V
n
}，m个RSU路边单元R＝{R1,
…
,R
i
,
…
R
m
}。
[0007]2、基于车辆基础信息构建移动模型，其特征在于，通过截断高斯分布模型获得等价速度，以任务发起车辆为原点构建笛卡尔坐标系获得其他车辆的相对位置
结合运动方向夹角θ，车辆通信范围D，计算得出两车预期通信时间。
[0008]3、基于马尔科夫链构建车辆轨迹预测模型包括：根据车辆V
i
的历史轨迹数据L
i
＝{L1,L2,L3,...,L
i
,...}，其中每个元素都有L
i
＝{Fid
i
,Tin
i
,Tout
i
}，Fid
i
表示车辆V
i
经过的雾服务器的身份标识，Tin
i
为进入的时间，Tout
i
为离开的时间。使用变量表示车辆V
i
的下一个位置，让Φ＝{F
l
,F
r
,F
f
,F
b
}表示车辆V
i
下一可能位置的可计数集合，其中F
l
表示如果V
i
左转，其将经过的雾服务器ID，其他依次为右转、向前、向后。可得马尔科夫链定义，条件概率公式为：
[0009][0010]其中表示车辆V
i
在第n次选择经过的下一个雾服务器。
[0011]4、采用K
‑
means方法构建雾服务器范围内车辆簇，构建车辆簇稳定性评估模型，其特征在于，我们随机选取k个车辆V
i
作为初始中心节点，分别作为每个聚类的中心节点；然后根据车辆的轨迹相似度将其迭代划分为相应的聚类。在每一轮中，当一个聚类被调整时，相应的中心节点将被重新计算，直到所有的聚类不再改变；其中，轨迹相似度为历史轨迹数据L
i
之间的比较，超过百分之五十即为相似；根据过去一段时间内车辆离开与加入的车辆数差值判定此簇的持久性，越接近零则越稳定，依据距离簇头车辆最远的车辆(即将驶离通信范围)脱离簇花费时间作为簇持续时间，结合持久性以及持续时间评价车辆资源池稳定性。
[0012]5、基于改进的深度优先算法结合确定任务传递路线，完成任务卸载，其特征在于，包括：
[0013]步骤1：以车辆当前位置为起点start，通过轨迹预测得到的若干时隙后车辆位置为终点end；
[0014]步骤2：由起点start
‑
终点end的多条可达路径，成为图的路径，雾服务器为节点，节点权值为雾服务器内车辆资源池可用计算资源，边权值为信道传输速率；
[0015]步骤3：问题转化为带权有向图路径求解问题，以任务预计传输与计算时间为距离值；
[0016]步骤4：从start顶点出发，不停的寻找相邻的、尚未访问的顶点，如果找到多个，则任选一个顶点，然后继续从该顶点出发，记录距离和，达到end节点停止，输出总距离与路径；如果一个都没有找到，则回退到之前访问过的顶点；
[0017]步骤5：从所有顶点中重新找一个尚未访问的顶点，如果能找到，则以同样的方式继续寻找其它未访问的顶点；如果找不到，则算法执行结束；
[0018]步骤6：得出总路径最小的路径，即为任务预先卸载路径。
[0019]6、基于斯塔克伯格博弈方法进行车辆资源池内任务卸载匹配，其特征在于,包括：
[0020]步骤1：雾服务器将任务分包至各簇头，簇头与其簇内车辆构成主导者与参与者的顺序博弈；
[0021]步骤2：主导者首先开始依据自身成本情况做出定价，所有参与者在主导者所做决策的基础上作出自身决策；
[0022]步骤3：所有的参与者做完决策后，由主导者收集所有决策，判断目前结果是否满
足成本最小化的所有约束条件；如果满足则将计算成本并与之前各轮博弈的最小成本进行比较，如果小于，则更新该轮为最新的最小成本，进入下一轮博弈，否则就改变定价进入下一轮博弈；如果不满足约束条件，那么将直接改变定价进入下一轮博弈；
[0023]步骤4：每一轮改变定价都将与其上限值比对，未超过上限则继续新一轮博弈，超过则终止并输出最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车联网中基于轨迹的车辆资源池动态任务卸载方法，其特征在于，包括：构建车、路边单元(RSU)、雾服务器协同卸载模型；基于车辆基础信息构建移动模型；基于马尔科夫链构建车辆轨迹预测模型，预测车辆轨迹；基于K
‑
means方法构建雾服务器范围内车辆簇，构建车辆簇稳定性评估模型；基于改进的深度优先算法结合确定任务传递路线，完成任务卸载；基于斯塔克伯格博弈方法进行车辆资源池内任务卸载匹配。2.根据权利要求1的构建车路、雾服务器协同卸载模型，其特征在于，包括：雾服务器部署在基站上，各个雾服务器覆盖区域互不重叠；RSU路边单元部署在路边，间隔一定距离部署实现道路全覆盖；车辆与车辆，与RSU、雾服务器均通过无线网络通信，RSU与雾服务器通过有线网络连接；场景内存在n辆车V＝{V1,V2,
…
,V
i
,
…
V
n
}，m个RSU路边单元R＝{R1,
…
,R
i
,
…
R
m
}。3.根据权利要求1的基于车辆基础信息构建移动模型，其特征在于，通过截断高斯分布模型获得等价速度，以任务发起车辆为原点构建笛卡尔坐标系获得其他车辆的相对位置结合运动方向夹角θ，车辆通信范围D，计算得出两车预期通信时间。4.根据权利要求1的基于马尔科夫链构建车辆轨迹预测模型，预测车辆轨迹，其特征在于，根据车辆V
i
的历史轨迹数据L
i
＝{L1,L2,L3,...,L
i
,...}，其中每个元素都有L
i
＝{Fid
i
,Tin
i
,Tout
i
}，Fid
i
表示车辆V
i
经过的雾服务器的身份标识，Tin
i
为进入的时间，Tout
i
为离开的时间。使用变量表示车辆V
i
的下一个位置，让Φ＝{F
l
,F
r
,F
f
,F
b
}表示车辆V
i
下一可能位置的可计数集合，其中F
l
表示如果V
i
左转，其将经过的雾服务器ID，其他依次为右转、向前、向后。可得马尔科夫链定义，条件概率公式为：其中表示车辆V
i
在第n次选择经过的下一个雾服务器。5.根据权利要求1的采用K
‑
means方法构建雾服务器范围内车辆簇，构建车辆簇稳定性评估模型，其特征在于，我们随机选取k个车辆V

【专利技术属性】
技术研发人员：梁睿，谷科，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：